Warum die Keyword-Suche scheitert. E-Commerce-Chat und Hybrid beheben das Problem

TL;DR: Bei der Stichwortsuche fehlen Synonyme, bei der semantischen Suche fehlen Modellcodes. aiSTAFF nimmt beides und kombiniert die beiden Ranglisten mit Reciprocal Rank Fusion und trennt dann die Bewertung und die Rezensionen, sodass der Chat-Käufer den richtigen Artikel erhält und nicht in einer Sackgasse endet.

Wenn eine Suchmethode fehlschlägt

Der Käufer gibt im Shop-Chat „einen bequemen Stuhl bis 300 GEL“ ein. Die Keyword-Engine sucht in Ihren Produkttiteln nach dem Wort „Komfort“, findet nichts und gibt ein leeres Ergebnis zurück, da Ihr Katalog das Produkt „Stuhl“ nennt. Benutzer geht. Dieses eine Versäumnis ist ein entgangener Verkauf, und es passiert Dutzende Male am Tag auf einer geschäftigen Seite. Wenn Sie in Georgien online verkaufen, beginnt die Lösung mit unserem KI-Verkaufsbot und dieser Artikel erklärt, wie es funktioniert.

Die Stichwortsuche hat auch das gegenteilige Problem. Ein Benutzer, der den genauen Modellcode eingibt, beispielsweise „AX-220“, möchte die genaue SKU. Eine rein wertbasierte Engine könnte fünf Buckets zurückgeben, die konzeptionell ähnlich sind und im entsprechenden Code vergraben sind. Jede Methode ist dort stark, wo die andere schwach ist. Die Aufgabe, ein gutes Produkt zu finden, besteht darin, beides gleichzeitig zu verwenden.

Zwei Motoren, zwei Kräfte

aiSTAFF legt Ihren Katalog in einem privaten Vektorspeicher ab, einen pro Unternehmen, und liest ihn für jede Nachricht auf zwei Arten.

• Dichte semantische Suche. Jedes Produkt und jede Abfrage wird mithilfe der integrierten Funktion von Gemini in einen Vektor umgewandelt. Der Abstand zwischen Vektoren misst den Wert, daher liegen „Sofa“, „Couch“ und „Set“ nahe beieinander, auch wenn sie keine gemeinsamen Buchstaben haben. Dadurch werden Synonyme, Beschreibungen und Absichten erfasst, beispielsweise „etwas für einen kleinen Balkon“.
• BM25-Schlüsselwortsuche. Ein klassischer lexikalischer Rankinger, der die genaue Überlappung von Begriffen ermittelt. Das ist es, was Klammermodelle identifizieren, Codes, Markenschreibweisen und seltene Wörter, die ein semantisches Modell noch nie gesehen hat. Genau dort ist die dichte Suche unscharf.

Allein ausgeführt, jeder gibt eine Rangliste zurück. Das Problem besteht darin, sie zu kombinieren. Ein naiver Ansatz wählt das Top-Ergebnis einer Engine aus und ignoriert die andere, wodurch die Hälfte des Signals verworfen wird. aiSTAFF kombiniert zwei Listen.

Reziproke Rangzusammenführung, einfach ausgedrückt

Reciprocal Rank Fusion, oder RRF, ist ein Scoring-Trick, der zwei Ranglisten kombiniert, ohne dass zwei Engines zum Sprechen derselben Entitäten erforderlich sind. Die dichte Suche gibt die Kosinusähnlichkeit zurück, BM25 gibt den Begriffshäufigkeitswert zurück und die beiden Zahlen sind nicht vergleichbar. RRF umgeht dies, indem es die Rohwerte ignoriert und nur die Position jedes Elements in jeder Liste verwendet.

Die Regel ist kurz: Die Gesamtpunktzahl des Produkts ist die Summe von 1 dividiert durch (die Konstante plus ihren Rang) in beiden Listen. Der erste Punkt auf der Liste trägt viel dazu bei. Der Gegenstand auf dem zehnten Platz begünstigt den Kleinen. Ein Produkt, das sowohl in der semantischen Liste als auch in der Schlüsselwortliste weit oben steht, sammelt die beiden festen Teile und verschiebt sie an die Spitze des zusammengeführten Ergebnisses. Ein Produkt, das in nur einem Punkt einen hohen Rang einnimmt, hat trotzdem eine gute Chance. Die Rechnung ist einfach und die Wirkung ist stark: Die Elemente, über die sich beide Engines einig sind, gewinnen, und die kraftvolle Schlagkraft einer Engine wird nicht verschwendet.

Aus diesem Grund funktioniert eine Abfrage wie „bequemer AX-220-Sitz“. Die semantische Seite behandelt „bequemer Sitz“, die Schlüsselwortseite schließt mit „AX-220“ ab und die RRF ordnet das Modell genau der Spitze zu, da sie beide Seiten gleichzeitig gut auswertet.

nach Bewertung und Beliebtheit

Relevanz ist der erste Durchgang, nicht das letzte Wort. Zwei Stühle passen gleichermaßen zur Suchanfrage, während einer ein Bestseller mit 200 Rezensionen ist und der andere ein Rückstand ist, den niemand kauft. aiSTAFF ordnet die zusammengeführten Ergebnisse nach Ähnlichkeit, multipliziert mit Beliebtheit, anhand der Anzahl der Bewertungen und Rezensionen, sodass ein bewährter Verkäufer den Durchbruch schafft. Die Produkte sind auch nach Typ gruppiert, was verhindert, dass Stuhlsuchende stuhlförmige Lampen zurückgeben. Der Kunde sieht den Artikel, der am besten passt und ihn wahrscheinlich zufrieden stellen wird, so wie ein guter Bodenleger Sie zu einem Modell führt, das funktioniert.

Es ist auch sprach- und wortformenübergreifend

Während die dichte Seite nach Bedeutung sucht, erstreckt sie sich auf Sprachen und Grammatik. Eine georgische oder russische Anfrage wird zur Suche in die Sprache des Katalogs übersetzt und anschließend wird die Antwort in die Sprache des Benutzers zurückgegeben. Pluralformen, Kasus und Wortformen werden toleriert, sodass „Stuhl“, „Stuhl“ und georgisch „Sitz“ zu denselben Produkten führen. Zwei Begleiter behandeln dies: Wie ein georgischer Kunde Ihren englischen Katalog kauft und Ein bequemer Stuhl sollte Ihre Plätze finden. Ein umfassenderes Vektorsuchbild ist Multilingual Vector Search Georgian Catalogue.

Hybrid Plus Compliance Gateway

Eine leistungsstarke Suche benötigt noch eine Grundlage. Auch wenn die beste Fusionsübereinstimmung schwach ist, wird durch die Rückgabe dennoch ein Produkt erfunden, das der Kunde nicht wollte. aiSTAFF verwendet ein Compliance-Gate bei einem Kosinus-Schwellenwert nahe 0,64: Darunter sagt der Bot „Wir kümmern uns nicht darum“, anstatt ein schlechtes Ergebnis zu erzwingen. Hybridsuche erhöht die Suchqualität; Das Tor stoppt den Rest. Gemeinsam erklären sie, warum Chatbot keine Produkte erfindet, ausführlich unter Gateway to Relevance.

Sobald die richtigen Elemente gefunden sind, kommt es auf die Präsentation an. Jedes Ergebnis wird als Karte mit Preis, altem Preis, Bewertung und Inventar zurückgegeben, das in Produktkarten im Chat, die konvertiert werden abgedeckt ist, und der Bot kann mehrere Artikel in den Chat-Warenkorb verschieben. Die gesamte Vertriebsmaschine befindet sich im Hub, dem KI-Chatbot, der Ihren Katalog verkauft. Wenn Sie sich zwischen dieser Option und einer Neuschulung des Modells auf Ihren Daten entscheiden, lesen Sie RAG vs. Feinabstimmung und für einen umfassenderen Aufbau E-Commerce-Chatbot-Leitfaden.

Arbeitsbeispiel

Der Elektronikladen erhält die Meldung „Tihi-Tastatur für Büro, mechanisch.“ Das ist ein Tippfehler für „ruhig“. Eine Stichwortsuche allein ergibt nichts. Eine dichte Suche liest Intent als geräuscharme mechanische Tastatur und listet drei Modelle auf. BM25 erfasst die „Mechanik“ genau und bestätigt zwei. RRF kombiniert die Listen, die beiden vereinbarten Modelle wachsen und liegen mit einer Bewertung von 4,6 und 90 Rezensionen auf Platz eins. Der Bot gibt zwei Karten zurück, beide auf Lager, mit beiden Preisen. Aus einem Fehlschlag wurde ein Verkauf, und der Kunde wusste nicht, dass der Tippfehler ihn fast seine Antwort gekostet hätte.

Verwandte Lektüre

• KI-Chatbot, der Ihren Katalog verkauft
• Tor zur Relevanz
• Ein bequemer Stuhl sollte Ihren Platz finden
• Produktkarten im Chat, die konvertieren
• Mehrsprachige Vektorsuche für georgischen Katalog

FAQ

Was ist Hybridsuche in einem Chatbot?

Führt zwei Produktsuchen gleichzeitig durch, eine semantische Suche, die die Bedeutung versteht, und eine Stichwortsuche, die genaue Codes erfasst, und kombiniert dann die beiden Ranglisten, um die beste Gesamtübereinstimmung zu finden.

Was macht Reciprocal Rank Fusion?

RRF kombiniert die beiden Ranglisten anhand der Position jedes Elements und nicht anhand seiner Rohpunktzahl. Produkte, die auf beiden Listen ganz oben stehen, nehmen am meisten Gewicht zu und steigen nach oben, was das kombinierte Ergebnis dauerhaft macht.

Warum nicht einfach die semantische Suche verwenden?

Die semantische Suche ist hinsichtlich genauer Modellnamen, Codes und seltener Markenschreibweisen unklar. Durch die Kombination von Schlüsselwörtern mit Suchanfragen bleibt der Wert relevant, während gleichzeitig genau die SKU angeheftet wird, nach der der Käufer gesucht hat.

Wie vermeiden Sie die Rücksendung des falschen Produkts?

-Zusammenführung durchläuft der Bot die Bewertungen und Rezensionen und verwendet dann ein Relevanz-Gate nahe dem Kosinus 0,64. Schwache Übereinstimmungen fallen unter das Tor und der Bot sagt, dass er den Gegenstand nicht trägt, anstatt zu raten.